CN117524354B - 一种化工区域的空气污染溯源方法及装置 - Google Patents
一种化工区域的空气污染溯源方法及装置 Download PDFInfo
- Publication number
- CN117524354B CN117524354B CN202410016802.5A CN202410016802A CN117524354B CN 117524354 B CN117524354 B CN 117524354B CN 202410016802 A CN202410016802 A CN 202410016802A CN 117524354 B CN117524354 B CN 117524354B
- Authority
- CN
- China
- Prior art keywords
- preset
- concentration
- pollution
- data
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003915 air pollution Methods 0.000 title claims abstract description 24
- 239000000126 substance Substances 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 159
- 238000009792 diffusion process Methods 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 44
- 230000001603 reducing effect Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 14
- 239000000779 smoke Substances 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 67
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 description 40
- 230000009467 reduction Effects 0.000 description 28
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 241000208125 Nicotiana Species 0.000 description 4
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/80—Data visualisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Environmental & Geological Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Environmental Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Ecology (AREA)
- Combustion & Propulsion (AREA)
- Software Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Immunology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biochemistry (AREA)
Abstract
一种化工区域的空气污染溯源方法及装置,涉及空气污染溯源领域;其中,方法包括:获取第一污染浓度,第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值;判断第一污染浓度是否大于或等于预设预警阈值;若第一污染浓度大于或等于预设预警阈值,则获取第二污染浓度以及气象监测数据,第二污染浓度为预设监测站在第二时间获取的污染气体的浓度数值,第二时间包括第一时间,气象监测数据包括风向和风速;将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区;将提示信息展示给监测人员,提示信息包括预测泄漏源区。实施本申请提供的技术方案,能解决推测的泄漏源区准确度不高的问题。
Description
技术领域
本申请涉及空气污染溯源领域,具体涉及一种化工区域的空气污染溯源方法及装置。
背景技术
化工区域是工业生产的重要场所,化工生产过程中会产生废气、废水以及其他类型的废弃物。以废气为例,若废气未得到有效控制,或遇到突发事故导致废气泄漏,未及时找到废气泄漏源,则会对空气环境造成难以处理的污染。
传统的空气污染溯源方法会用到扩散模型并只通过统计求平均值的方式来推测泄漏源,但这种方法会忽略污染气体的瞬时浓度变化以及风向等因素,使得推测出的泄漏源所在区域不准确,即存在推测的泄漏源区准确度不高的问题。
因此,亟需一种化工区域的空气污染溯源方法及装置来解决上述问题。
发明内容
本申请提供了一种化工区域的空气污染溯源方法及装置,通过污染气体在多个时间的浓度值,气象监测数据以及预设泄漏溯源模型较准确地还原了污染气体的扩散过程,从而提高了推测的泄漏源区的准确度,解决了推测的泄漏源区准确度不高的问题。
本申请在第一方面提供了一种化工区域的空气污染溯源方法,方法包括:获取第一污染浓度,第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值;判断第一污染浓度是否大于或等于预设预警阈值;若第一污染浓度大于或等于预设预警阈值,则获取第二污染浓度以及气象监测数据,第二污染浓度为预设监测站在第二时间获取的污染气体的浓度数值,第二时间为污染气体的浓度从预设常态值上升并下降至预设常态值的过程的时间段,第二时间包括第一时间,气象监测数据包括风向和风速;将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区;将提示信息展示给监测人员,提示信息包括预测泄漏源区。
通过采用上述技术方案,通过预设监测站获取第一污染浓度,并自动判断第一污染浓度是否过高,过高的情况下则确定出现空气污染的状况,进一步地获取第二污染浓度以及气象监测数据,将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,通过提前训练好的预设泄漏溯源模型来得到预测泄漏源区,并将预测泄漏源区展示给监测人员;该方案通过污染气体在多个时间的浓度值,气象监测数据以及预设泄漏溯源模型较准确地还原了污染气体的扩散过程,从而提高了推测的泄漏源区的准确度。
可选地,在将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区之前,构建预设泄漏溯源模型,构建具体过程包括:获取训练数据,训练数据包括历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据;对训练数据进行预处理,得到预处理的训练数据,预处理包括数据清洗、缺失值处理以及异常值处理;根据历史气象数据,构建上风向区域的预设虚拟源;获取预设排放量,并将预设排放量以及预设虚拟源输入高斯烟团模型并得到扩散还原图,以模拟污染气体的扩散过程;通过训练数据获取标准还原图,并通过预设相似度算法获取扩散还原图与标准还原图之间的相似度值;判断相似度值是否大于或等于预设相似阈值;若相似度值大于或等于预设相似阈值,则将训练后的高斯烟团模型作为预设泄漏溯源模型。
通过采用上述技术方案,获取历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据,以作为训练数据,提高后续步骤中模型的扩散还原正确率;对训练数据进行数据清洗、缺失值处理以及异常值处理等预处理,以减小无用数据和缺失数据的干扰;通过高斯烟团模型对预处理后的训练数据进行气体扩散还原,得到扩散还原图,同时通过训练数据获取标准还原图,以来比对模型的还原正确率,通过获取相似度值来判断还原效果,提高了比对效率。
可选地,得到预测泄漏源区,具体包括:获取预设泄漏溯源模型输出的预测误差源区以及预测误差源区对应的误差值,预测误差源区为多个具有不同误差值的预测源区中任意一个源区;判断误差值是否在预设误差区间中;若误差值在预设误差区间中,则将预测误差源区作为预测泄漏源区。
通过采用上述技术方案,获取具有不同误差值的预测误差源区,并通过提前设定的预测误差区间来对这些预测误差源区进行筛选,从而保留误差较小的预测误差源区,提高预测准确率。
可选地,在若误差值在预设误差区间中,则将预测误差源区作为预测泄漏源区之后,方法还包括:获取污染气体的成分信息;得到预测泄漏源区中生产存储气体的位置信息;根据污染气体的成分信息以及生产存储气体的位置信息,获取生产存储污染气体的目标位置信息;将目标位置信息作为预测泄漏源区,以进一步缩小预测泄漏源区的范围。
通过采用上述技术方案,通过获取污染气体的成分信息,来对预测泄漏源区进行进一步筛选,从而达到缩小预测泄漏源区范围的效果。
可选地,在将提示信息展示给监测人员,提示信息包括预测泄漏源区之后,方法还包括:构建第一污染浓度与预测泄漏源区之间的第一对应关系,构建第二污染浓度与预测泄漏源区之间的第二对应关系;将第一对应关系、第二对应关系以及气象监测数据存入预设污染溯源日志,以更新或构建预设污染溯源日志。
通过采用上述技术方案,在监测到本次污染浓度值异常后,构建第一污染浓度与预测泄漏源区之间的第一对应关系,构建第二污染浓度与预测泄漏源区之间的第二对应关系;将第一对应关系、第二对应关系以及气象监测数据存入预设污染溯源日志,以供监测人员后续查阅预设污染溯源日志。
可选地,获取第一污染浓度,具体包括以下任意一种方式:每间隔预设时间段,获取第一污染浓度;响应于监测人员对当前污染浓度的查询操作,获取第一污染浓度。
通过采用上述技术方案,通过设置预设时间段,自动获取空气中的污染浓度值,以达到自动监测的效果,也可以响应于监测人员的即时污染浓度查询操作,查看当前时刻是否存在污染浓度值异常的情况。
可选地,在将提示信息展示给监测人员,提示信息包括预测泄漏源区之后,方法还包括:构建监测站浓度表,监测站浓度表包括历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据;将监测站浓度表和提示信息构建为监测文件;将监测文件上传至预设云监测平台。
通过采用上述技术方案,能够将历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据,绘制为监测站浓度表,并将监测站浓度表、提示信息以及预测泄漏源区构建为监测文件;将监测文件上传至预设云监测平台,使监测人员或其他相关人员能够远程且随时对污染气体的泄漏进行监测以及及时发现泄漏位置,减小进一步的损失。
本申请在第二方面提供了一种化工区域的空气污染溯源装置,装置包括获取单元和处理单元;
获取单元,用于获取第一污染浓度,第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值;还用于若第一污染浓度大于或等于预设预警阈值,则获取第二污染浓度以及气象监测数据,第二污染浓度为预设监测站在第二时间获取的污染气体的浓度数值,第二时间为污染气体的浓度从预设常态值上升并下降至预设常态值的过程的时间段,第二时间包括第一时间,气象监测数据包括风向和风速;还用于将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区。
处理单元,用于判断第一污染浓度是否大于或等于预设预警阈值;还用于将提示信息展示给监测人员,提示信息包括预测泄漏源区。
可选地,获取单元用于获取训练数据,训练数据包括历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据;通过训练数据获取标准还原图,并通过预设相似度算法获取扩散还原图与标准还原图之间的相似度值;处理单元用于对训练数据进行预处理,得到预处理的训练数据,预处理包括数据清洗、缺失值处理以及异常值处理;根据历史气象数据,构建上风向区域的预设虚拟源;获取预设排放量,并将预设排放量以及预设虚拟源输入高斯烟团模型并得到扩散还原图,以模拟污染气体的扩散过程;判断相似度值是否大于或等于预设相似阈值;若相似度值大于或等于预设相似阈值,则将训练后的高斯烟团模型作为预设泄漏溯源模型。
可选地,获取单元用于获取预设泄漏溯源模型输出的预测误差源区以及预测误差源区对应的误差值,预测误差源区为多个具有不同误差值的预测源区中任意一个源区;处理单元用于判断误差值是否在预设误差区间中;若误差值在预设误差区间中,则将预测误差源区作为预测泄漏源区。
可选地,获取单元用于获取污染气体的成分信息;得到预测泄漏源区中生产存储气体的位置信息;根据污染气体的成分信息以及生产存储气体的位置信息,获取生产存储污染气体的目标位置信息;处理单元用于将目标位置信息作为预测泄漏源区,以进一步缩小预测泄漏源区的范围。
可选地,处理单元用于构建第一污染浓度与预测泄漏源区之间的第一对应关系,构建第二污染浓度与预测泄漏源区之间的第二对应关系;将第一对应关系、第二对应关系以及气象监测数据存入预设污染溯源日志,以更新或构建预设污染溯源日志。
可选地,获取单元用于每间隔预设时间段,获取第一污染浓度;响应于监测人员对当前污染浓度的查询操作,获取第一污染浓度。
可选地,处理单元用于构建监测站浓度表,监测站浓度表包括历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据;将监测站浓度表和提示信息构建为监测文件;将监测文件上传至预设云监测平台。
本申请在第三方面提供了一种电子设备,包括处理器、存储器、用户接口及网络接口,存储器用于存储指令,用户接口和网络接口用于给其他设备通信,处理器用于执行存储器中存储的指令,以使电子设备执行如上第一方面或第一方面的任意一种可能的实现方法。
本申请在第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行如上第一方面或第一方面的任意一种可能的实现方法。
综上,本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过预设监测站获取第一污染浓度,并自动判断第一污染浓度是否过高,过高的情况下则确定出现空气污染的状况,进一步地获取第二污染浓度以及气象监测数据,将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,通过提前训练好的预设泄漏溯源模型来得到预测泄漏源区,并将预测泄漏源区展示给监测人员;该方案通过污染气体在多个时间的浓度值,气象监测数据以及预设泄漏溯源模型较准确地还原了污染气体的扩散过程,从而提高了推测的泄漏源区的准确度。
2、获取历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据,以来作为训练数据,提高后续步骤中模型的扩散还原正确率;对训练数据进行数据清洗、缺失值处理以及异常值处理等预处理,以减小无用数据和缺失数据的干扰;通过高斯烟团模型对预处理后的训练数据进行气体扩散还原,得到扩散还原图,同时通过训练数据获取标准还原图,以来比对模型的还原正确率,通过获取相似度值来判断还原效果,提高了比对效率。
3、能够将历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据,绘制为监测站浓度表,并将监测站浓度表、提示信息以及预测泄漏源区构建为监测文件;将监测文件上传至预设云监测平台,使监测人员或其他相关人员能够远程且随时对污染气体的泄漏进行监测以及及时发现泄漏位置,减小进一步的损失。
附图说明
图1是本申请实施例提供的一种化工区域的空气污染溯源方法的流程示意图。
图2是本申请实施例提供的一种化工区域的空气污染溯源装置的结构示意图。
图3是本申请实施例提供的一种电子设备的结构示意图。
附图标记说明:201、获取单元;202、处理单元;300、电子设备;301、处理器;302、通信总线;303、用户接口;304、网络接口;305、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
传统的空气污染溯源方法会用到扩散模型并只通过统计求平均值的方式来推测泄漏源,但这种方法会忽略污染气体的瞬时浓度变化以及风向等因素,使得推测出的泄漏源所在区域不准确,即存在推测的泄漏源区准确度不高的问题。因此,本实施例提供了一种化工区域的空气污染溯源方法及装置。
本申请提供的一种化工区域的空气污染溯源方法可参考图1,图1是本申请实施例提供的一种化工区域的空气污染溯源方法的流程示意图,应用于服务器。该方法包括步骤S101至步骤S105。
S101、获取第一污染浓度,第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值。
在上述步骤中,服务器通过提前设置的预设监测站获取需要进行监测的气体的第一污染浓度,这里需要进行监测的气体根据实际应用场景的不同,可以选择监测不同的气体,例如在合成药物时会使用到的甲硫醇,一种无色有毒气体,本实施例具体以监测甲硫醇进行说明;这里的第一污染浓度即为预设监测站在第一时间获取的空气中甲硫醇浓度值;第一时间为开始进行监测的任意一个时间点。
在一种可能的实施方式中,获取第一污染浓度,具体包括以下任意一种方式:每间隔预设时间段,获取第一污染浓度;响应于监测人员对当前污染浓度的查询操作,获取第一污染浓度。
具体地,服务器可以通过两种方式来获取第一污染浓度,一种是每间隔预设时间段,自动通过预设监测站对甲硫醇浓度值进行获取,这里的预设时间段的长度可以根据监测人员实际需求进行设置;另一种是当监测人员需要即时获取当前时刻甲硫醇浓度情况时,响应监测人员的查询操作,通过预设监测站对甲硫醇浓度值进行获取。
S102、判断第一污染浓度是否大于或等于预设预警阈值。
在上述步骤中,服务器判断第一污染浓度是否大于或等于预设预警阈值,以来判断在第一时间,第一污染浓度是否异常;预设预警阈值可以根据甲硫醇的安全浓度值来进行设置。
S103、若第一污染浓度大于或等于预设预警阈值,则获取第二污染浓度以及气象监测数据,第二污染浓度为预设监测站在第二时间获取的污染气体的浓度数值,第二时间为污染气体的浓度从预设常态值上升并下降至预设常态值的过程的时间段,第二时间包括第一时间,气象监测数据包括风向和风速。
在上述步骤中,当第一污染浓度大于或等于预设预警阈值时,服务器确定当前甲硫醇浓度值异常,需要进行溯源;获取在第二时间的甲硫醇浓度值,即第二污染浓度值,以提高气体扩散还原的正确率,这里的第二时间为在该次甲硫醇浓度异常事件中,甲硫醇的浓度从预设常态值上升,然后再下降至该预设常态值的这段时间,该预设常态值由工作人员根据甲硫醇的安全浓度等数据提前进行设置,第二时间包括第一时间;同时考虑到风的影响,为使溯源准确率提高,获取气象监测数据,气象监测数据包括风向和风速等数据;为了便于监测人员查看预设监测站的各项数据时,可将以上监测的数据通过表格的方式进行记录,以方便监测人员进行查看;当第一污染浓度小于预设预警阈值时,服务器确定当前空气中甲硫醇的浓度值处于正常水平,继续对甲硫醇的泄漏进行监测。
S104、将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区。
在上述步骤中,服务器将第一污染浓度、第二污染浓度以及气象监测数据输入提前构建好的预设泄漏溯源模型中,对预设泄漏溯源模型的输出进行筛选后即可得到预测泄漏源区。
在一种可能的实施方式中,在将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区之前,构建预设泄漏溯源模型,构建具体过程包括:获取训练数据,训练数据包括历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据;对训练数据进行预处理,得到预处理的训练数据,预处理包括数据清洗、缺失值处理以及异常值处理;根据历史气象数据,构建上风向区域的预设虚拟源;获取预设排放量,并将预设排放量以及预设虚拟源输入高斯烟团模型并得到扩散还原图,以模拟污染气体的扩散过程;通过训练数据获取标准还原图,并通过预设相似度算法获取扩散还原图与标准还原图之间的相似度值;判断相似度值是否大于或等于预设相似阈值;若相似度值大于或等于预设相似阈值,则将训练后的高斯烟团模型作为预设泄漏溯源模型。
具体地,在将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区之前,还需要构建和训练预设泄漏溯源模型,具体的构建和训练过程即为获取训练集,即训练数据,训练数据可以包括历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据,然后对训练数据进行数据清洗、缺失值处理以及异常值处理;根据历史气象数据,构建上风向区域的预设虚拟源;根据工作人员需求,可以将上风向区域中的每一个点都当做一个虚拟源,在构建好虚拟源后,获取提前设置好的预设排放量;将预设排放量以及预设虚拟源输入高斯烟团模型并得到扩散还原图,即在历史气象数据的气象条件下,模拟不同虚拟源排放气体对监测点的影响,并与实际检测值即第一污染浓度进行比较并统计误差以及数值相似度,以模拟污染气体的扩散过程;扩散还原图中包括气体在不同时间点的扩散体积和扩散位置,不同时间点的扩散情况可以由不同颜色进行标识以便于区分,即可以将不同虚拟源模拟出来的扩散图进行叠加,若存在有重叠区域,则重叠区域面积最大的扩散图所对应的虚拟源,最可能为真正的泄漏源,工作人员可以根据这个方法对高斯烟团模型参数进行调整,以提高模型还原扩散过程以及成功找到泄漏点的正确率;为了判断模型还原扩散的正确率,同时通过训练数据获取标准还原图,即展现气体实际扩散情况的图片;通过提前训练好的预设相似度算法,获取扩散还原图与标准还原图之间的相似度值,当该相似度值大于或等于预设相似阈值时,则确定模型的还原效果较好,可以进行使用,将训练后的高斯烟团模型作为预设泄漏溯源模型;当该相似度值小于预设相似阈值时,则说明当前还原效果较差,需要监测人员进一步调整参数或者扩充训练集。
在一种可能的实施方式中,得到预测泄漏源区,具体包括:获取预设泄漏溯源模型输出的预测误差源区以及预测误差源区对应的误差值,预测误差源区为多个具有不同误差值的预测源区中任意一个源区;判断误差值是否在预设误差区间中;若误差值在预设误差区间中,则将预测误差源区作为预测泄漏源区。
具体地,预设泄漏溯源模型在输出扩散还原图后,可以进一步地根据扩散还原图获取可能的泄漏源所在位置,具体地可以缩小在还原图中的一个区域内,即预测误差源区,而一张扩散还原图可以包括多个可能的预测误差源区,但不同的区域的误差值也不同,误差值越大,表示泄漏源越不可能存在于较大误差值对应的预测误差源区中;因此通过提前设置的预设误差区间,来对不同的预测误差源区进行筛选,即,将误差值处在预设误差区间中的预测误差源区作为预测泄漏源区。
在一种可能的实施方式中,若误差值在预设误差区间中,则将预测误差源区作为预测泄漏源区之后,方法还包括:获取污染气体的成分信息;得到预测泄漏源区中生产存储气体的位置信息;根据污染气体的成分信息以及生产存储气体的位置信息,获取生产存储污染气体的目标位置信息;将目标位置信息作为预测泄漏源区,以进一步缩小预测泄漏源区的范围。
具体地,服务器可以通过获取污染气体中的成分信息,来进一步缩小预测泄漏源区的范围,具体过程为获取污染气体的成分信息,选取其中异常数值相对其他气体较高的甲硫醇,在预测泄漏源区中,筛选出第一时间正在使用甲硫醇,或在第一时间存储有甲硫醇的设备的位置信息,即生产存储气体的位置信息,将该位置信息所代表的区域,作为预测泄漏源区。
S105、将提示信息展示给监测人员,提示信息包括预测泄漏源区。
在上述步骤中,服务器将当前存在甲硫醇泄漏的提示信息展示给监测人员,同时在进行溯源后,将预测泄漏源区一并展示给监测人员,以及时提示监测人员并提高监测人员的处理效率。
在一种可能的实施方式中,在将提示信息展示给监测人员,提示信息包括预测泄漏源区之后,方法还包括:构建第一污染浓度与预测泄漏源区之间的第一对应关系,构建第二污染浓度与预测泄漏源区之间的第二对应关系;将第一对应关系、第二对应关系以及气象监测数据存入预设污染溯源日志,以更新或构建预设污染溯源日志。
具体地,为便于后续监测人员的检索数据需求,服务器构建每个时间和污染浓度之间的对应关系,并将污染浓度、对应关系以及气象监测数据存入预设污染溯源日志,例如在第一时间,甲硫醇的浓度为第一污染浓度,此时的气象监测数据为风向正东,风速6米每秒。
在一种可能的实施方式中,在将提示信息展示给监测人员,提示信息包括预测泄漏源区之后,方法还包括:构建监测站浓度表,监测站浓度表包括历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据;将监测站浓度表和提示信息构建为监测文件;将监测文件上传至预设云监测平台。
具体地,服务器可以构建监测站浓度表,监测站浓度表包括历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据,即表中包括每个时间甲硫醇在空气中的浓度值,以及对应的气象监测数据,直观地展示了有害气体的浓度情况;进一步地,将监测站浓度表、提示信息以及预测泄漏源区构建为监测文件;将监测文件上传至预设云监测平台,以使监测人员或其他相关人员能够远程且随时对污染气体的泄漏进行监测以及及时发现泄漏位置,减小进一步的损失,这里的预设云监测平台可以通过小程序或手机软件等进行访问和信息查询。
本申请还提供了一种化工区域的空气污染溯源装置,参照图2,该装置为服务器,服务器包括获取单元201和处理单元202。
获取单元201,用于获取第一污染浓度,第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值;还用于若第一污染浓度大于或等于预设预警阈值,则获取第二污染浓度以及气象监测数据,第二污染浓度为预设监测站在第二时间获取的污染气体的浓度数值,第二时间为污染气体的浓度从预设常态值上升并下降至预设常态值的过程的时间段,第二时间包括第一时间,气象监测数据包括风向和风速;还用于将第一污染浓度、第二污染浓度以及气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区。
处理单元202,用于判断第一污染浓度是否大于或等于预设预警阈值;还用于将提示信息展示给监测人员,提示信息包括预测泄漏源区。
在一种可能的实施方式中,获取单元201用于获取训练数据,训练数据包括历史浓度数据、历史浓度数据对应的时间数据以及历史浓度数据对应的历史气象数据;通过训练数据获取标准还原图,并通过预设相似度算法获取扩散还原图与标准还原图之间的相似度值;处理单元202用于对训练数据进行预处理,得到预处理的训练数据,预处理包括数据清洗、缺失值处理以及异常值处理;根据历史气象数据,构建上风向区域的预设虚拟源;获取预设排放量,并将预设排放量以及预设虚拟源输入高斯烟团模型并得到扩散还原图,以模拟污染气体的扩散过程;判断相似度值是否大于或等于预设相似阈值;若相似度值大于或等于预设相似阈值,则将训练后的高斯烟团模型作为预设泄漏溯源模型。
在一种可能的实施方式中,获取单元201用于获取预设泄漏溯源模型输出的预测误差源区以及预测误差源区对应的误差值,预测误差源区为多个具有不同误差值的预测源区中任意一个源区;处理单元202用于判断误差值是否在预设误差区间中;若误差值在预设误差区间中,则将预测误差源区作为预测泄漏源区。
在一种可能的实施方式中,获取单元201用于获取污染气体的成分信息;得到预测泄漏源区中生产存储气体的位置信息;根据污染气体的成分信息以及生产存储气体的位置信息,获取生产存储污染气体的目标位置信息;处理单元202用于将目标位置信息作为预测泄漏源区,以进一步缩小预测泄漏源区的范围。
在一种可能的实施方式中,处理单元202用于构建第一污染浓度与预测泄漏源区之间的第一对应关系,构建第二污染浓度与预测泄漏源区之间的第二对应关系;将第一对应关系、第二对应关系以及气象监测数据存入预设污染溯源日志,以更新或构建预设污染溯源日志。
在一种可能的实施方式中,获取单元201用于每间隔预设时间段,获取第一污染浓度;响应于监测人员对当前污染浓度的查询操作,获取第一污染浓度。
在一种可能的实施方式中,处理单元202用于构建监测站浓度表,监测站浓度表包括历史浓度数据、第一污染浓度、第二污染浓度以及气象监测数据;将监测站浓度表和提示信息构建为监测文件;将监测文件上传至预设云监测平台。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请还提供了一种电子设备。参照图3,图3是本申请实施例提供的一种电子设备的结构示意图。该电子设备300可以包括:至少一个处理器301,至少一个通信总线302,至少一个用户接口303,网络接口304,存储器305。
其中,通信总线302用于实现这些组件之间的连接通信。
其中,用户接口303可以包括显示屏(Display)、摄像头(Camera),可选用户接口303还可以包括标准的有线接口、无线接口。
其中,网络接口304可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器305内的指令、程序、代码集或指令集,以及调用存储在存储器305内的数据,执行服务器的各种功能和处理数据。可选地,处理器301可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器301可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器301中,单独通过一块芯片进行实现。
其中,存储器305可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选地,该存储器305包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305还可以是至少一个位于远离前述处理器301的存储装置。参照图3,作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及化工区域的空气污染溯源的应用程序。
在图3所示的电子设备300中,用户接口303主要用于为用户提供输入的接口,获取用户输入的数据;而处理器301可以用于调用存储器305中存储的化工区域的空气污染溯源的应用程序,当由一个或多个处理器301执行时,使得电子设备300执行如上述实施例中一个或多个的方法。需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有指令。当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。
在本申请所提供的几种实施方式中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
Claims (8)
1.一种化工区域的空气污染溯源方法,其特征在于,所述方法包括:
获取第一污染浓度,所述第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值;
判断所述第一污染浓度是否大于或等于预设预警阈值;
若所述第一污染浓度大于或等于所述预设预警阈值,则获取第二污染浓度以及气象监测数据,所述第二污染浓度为所述预设监测站在第二时间获取的污染气体的浓度数值,所述第二时间为所述污染气体的浓度从预设常态值上升并下降至所述预设常态值的过程的时间段,所述第二时间包括所述第一时间,所述气象监测数据包括风向和风速;
获取训练数据,所述训练数据包括历史浓度数据、所述历史浓度数据对应的时间数据以及所述历史浓度数据对应的历史气象数据;
对所述训练数据进行预处理,得到预处理的训练数据,所述预处理包括数据清洗、缺失值处理以及异常值处理;
根据所述历史气象数据,构建上风向区域的预设虚拟源;获取预设排放量,并将所述预设排放量以及所述预设虚拟源输入高斯烟团模型并得到扩散还原图,以模拟所述污染气体的扩散过程;
通过所述训练数据获取标准还原图,并通过预设相似度算法获取所述扩散还原图与所述标准还原图之间的相似度值;
判断所述相似度值是否大于或等于预设相似阈值;
若所述相似度值大于或等于所述预设相似阈值,则将训练后的所述高斯烟团模型作为预设泄漏溯源模型;
将所述第一污染浓度、所述第二污染浓度以及所述气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区;
将提示信息展示给监测人员,所述提示信息包括所述预测泄漏源区;
构建监测站浓度表,所述监测站浓度表包括所述历史浓度数据、所述第一污染浓度、所述第二污染浓度以及所述气象监测数据;
将所述监测站浓度表和所述提示信息构建为监测文件;
将所述监测文件上传至预设云监测平台。
2.根据权利要求1所述的方法,其特征在于,所述得到预测泄漏源区,具体包括:
获取所述预设泄漏溯源模型输出的预测误差源区和所述预测误差源区对应的误差值,所述预测误差源区为多个具有不同误差值的预测源区中任意一个源区;
判断所述误差值是否在预设误差区间中;
若所述误差值在所述预设误差区间中,则将所述预测误差源区作为所述预测泄漏源区。
3.根据权利要求2所述的方法,其特征在于,在所述若所述误差值在所述预设误差区间中,则将所述预测误差源区作为所述预测泄漏源区之后,所述方法还包括:
获取所述污染气体的成分信息;
获取所述预测泄漏源区中生产存储气体的位置信息;
根据所述污染气体的成分信息和所述生产存储气体的位置信息,获取生产存储所述污染气体的目标位置信息;
将所述目标位置信息作为所述预测泄漏源区,以进一步缩小所述预测泄漏源区的范围。
4.根据权利要求1所述的方法,其特征在于,在所述将提示信息展示给监测人员,所述提示信息包括所述预测泄漏源区之后,所述方法还包括:
构建所述第一污染浓度与所述预测泄漏源区之间的第一对应关系,构建所述第二污染浓度与所述预测泄漏源区之间的第二对应关系;
将所述第一对应关系、第二对应关系以及所述气象监测数据存入预设污染溯源日志,以更新或构建所述预设污染溯源日志。
5.根据权利要求1所述的方法,其特征在于,所述获取第一污染浓度,具体包括以下任意一种方式:
每间隔预设时间段,获取所述第一污染浓度;
响应于所述监测人员对当前污染浓度的查询操作,获取所述第一污染浓度。
6.一种化工区域的空气污染溯源装置,其特征在于,所述装置包括获取单元(201)和处理单元(202):
所述获取单元(201),用于获取第一污染浓度,所述第一污染浓度为预设监测站在第一时间获取的污染气体的浓度数值;
所述处理单元(202),用于判断所述第一污染浓度是否大于或等于预设预警阈值;
所述获取单元(201),还用于若所述第一污染浓度大于或等于所述预设预警阈值,则获取第二污染浓度以及气象监测数据,所述第二污染浓度为所述预设监测站在第二时间获取的污染气体的浓度数值,所述第二时间为所述污染气体的浓度从预设常态值上升并下降至所述预设常态值的过程的时间段,所述第二时间包括所述第一时间,所述气象监测数据包括风向和风速;获取训练数据,所述训练数据包括历史浓度数据、所述历史浓度数据对应的时间数据以及所述历史浓度数据对应的历史气象数据;对所述训练数据进行预处理,得到预处理的训练数据,所述预处理包括数据清洗、缺失值处理以及异常值处理;根据所述历史气象数据,构建上风向区域的预设虚拟源;获取预设排放量,并将所述预设排放量以及所述预设虚拟源输入高斯烟团模型并得到扩散还原图,以模拟所述污染气体的扩散过程;通过所述训练数据获取标准还原图,并通过预设相似度算法获取所述扩散还原图与所述标准还原图之间的相似度值;判断所述相似度值是否大于或等于预设相似阈值;若所述相似度值大于或等于所述预设相似阈值,则将训练后的所述高斯烟团模型作为预设泄漏溯源模型;
所述获取单元(201),还用于将所述第一污染浓度、所述第二污染浓度以及所述气象监测数据输入预设泄漏溯源模型,得到预测泄漏源区;
所述处理单元(202),还用于将提示信息展示给监测人员,所述提示信息包括所述预测泄漏源区;构建监测站浓度表,所述监测站浓度表包括所述历史浓度数据、所述第一污染浓度、所述第二污染浓度以及所述气象监测数据;将所述监测站浓度表和所述提示信息构建为监测文件;将所述监测文件上传至预设云监测平台。
7.一种电子设备,其特征在于,包括处理器(301)、存储器(305)、用户接口(303)及网络接口(304),所述存储器(305)用于存储指令,所述用户接口(303)和所述网络接口(304)用于给其他设备通信,所述处理器(301)用于执行所述存储器(305)中存储的指令,以使所述电子设备(300)执行如权利要求1至5任意一项所述的方法。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410016802.5A CN117524354B (zh) | 2024-01-05 | 2024-01-05 | 一种化工区域的空气污染溯源方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410016802.5A CN117524354B (zh) | 2024-01-05 | 2024-01-05 | 一种化工区域的空气污染溯源方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117524354A CN117524354A (zh) | 2024-02-06 |
CN117524354B true CN117524354B (zh) | 2024-03-29 |
Family
ID=89757053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410016802.5A Active CN117524354B (zh) | 2024-01-05 | 2024-01-05 | 一种化工区域的空气污染溯源方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117524354B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108489875A (zh) * | 2018-02-06 | 2018-09-04 | 济宁中科云天环保科技有限公司 | 一种基于时段统计分析的污染物溯源系统及方法 |
CN109117549A (zh) * | 2018-08-08 | 2019-01-01 | 浙江航天恒嘉数据科技有限公司 | 一种污染物扩散预测方法及系统 |
WO2021174751A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN113610243A (zh) * | 2021-08-12 | 2021-11-05 | 中节能天融科技有限公司 | 基于耦合机器学习和相关性分析的大气污染物溯源方法 |
CN114565170A (zh) * | 2022-03-04 | 2022-05-31 | 北京百度网讯科技有限公司 | 污染物溯源方法及装置、设备、介质和产品 |
CN114858976A (zh) * | 2022-04-27 | 2022-08-05 | 浙江索思科技有限公司 | 一种工业园区大气质量智能分析方法及系统 |
CN115358332A (zh) * | 2022-08-25 | 2022-11-18 | 浙江工业大学 | 面向多源数据的大气污染溯源方法 |
CN116626233A (zh) * | 2023-05-08 | 2023-08-22 | 河北先河环保科技股份有限公司 | 基于多源数据融合的大气污染溯源方法、终端及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114356880B (zh) * | 2021-12-15 | 2023-04-11 | 浙江工业大学 | 基于数据驱动的小尺度区域大气污染物快速溯源方法 |
-
2024
- 2024-01-05 CN CN202410016802.5A patent/CN117524354B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108489875A (zh) * | 2018-02-06 | 2018-09-04 | 济宁中科云天环保科技有限公司 | 一种基于时段统计分析的污染物溯源系统及方法 |
CN109117549A (zh) * | 2018-08-08 | 2019-01-01 | 浙江航天恒嘉数据科技有限公司 | 一种污染物扩散预测方法及系统 |
WO2021174751A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN113610243A (zh) * | 2021-08-12 | 2021-11-05 | 中节能天融科技有限公司 | 基于耦合机器学习和相关性分析的大气污染物溯源方法 |
CN114565170A (zh) * | 2022-03-04 | 2022-05-31 | 北京百度网讯科技有限公司 | 污染物溯源方法及装置、设备、介质和产品 |
CN114858976A (zh) * | 2022-04-27 | 2022-08-05 | 浙江索思科技有限公司 | 一种工业园区大气质量智能分析方法及系统 |
CN115358332A (zh) * | 2022-08-25 | 2022-11-18 | 浙江工业大学 | 面向多源数据的大气污染溯源方法 |
CN116626233A (zh) * | 2023-05-08 | 2023-08-22 | 河北先河环保科技股份有限公司 | 基于多源数据融合的大气污染溯源方法、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117524354A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113769519B (zh) | 一种建筑工地的智能降尘控制方法及系统 | |
CN111917877A (zh) | 物联网设备的数据处理方法及装置、电子设备、存储介质 | |
CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
CN105182122B (zh) | 一种随机性电源接入设备的故障预警方法 | |
CN110472850A (zh) | 一种减排方案的确定方法、装置、设备及存储介质 | |
CN110427573A (zh) | 一种未知污染源区域的确定方法、装置、设备及存储介质 | |
CN111120094B (zh) | 一种发动机失火检测方法、装置、存储介质及终端 | |
CN111401581A (zh) | 建筑物运维管理方法、系统、设备及存储介质 | |
CN112597263B (zh) | 管网检测数据异常判断方法及系统 | |
CN110203155B (zh) | 车辆油耗异常的预警方法、装置、终端设备及存储介质 | |
JP2018531458A (ja) | ガソリンスタンドpoiの自動発見方法、自動発見装置、及び記憶媒体と機器 | |
CN111738463A (zh) | 运维方法、装置、系统、电子设备及存储介质 | |
CN113487212A (zh) | 一种风险监测方法及装置 | |
CN115985056A (zh) | 可燃气实时监控预警方法、系统、存储介质及电子设备 | |
CN116167892A (zh) | 基于数字孪生的水库信息化管理系统 | |
CN105632114A (zh) | 基于gis技术的监测测点安全状态监控的方法 | |
CN117524354B (zh) | 一种化工区域的空气污染溯源方法及装置 | |
CN112765718A (zh) | 基于bim和物联网技术的净水厂运维系统及方法 | |
CN117420263A (zh) | 工业园区的温室气体的布点监测方法、装置、设备及介质 | |
CN111465045B (zh) | 一种ap的监控方法、监控服务器和监控系统 | |
CN112487311A (zh) | 基于3d建模定位物理设备的方法及系统 | |
CN112052566A (zh) | 一种智能电缆模拟仿真方法及系统 | |
CN116853056A (zh) | 基于数据分析的充电桩智能管理系统 | |
CN111472941A (zh) | 风机状态判断方法、装置及存储介质 | |
CN113110730B (zh) | 运行设备节能的方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |